Über diesen Kurs
688,070 kürzliche Aufrufe

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Anfänger“

Ca. 14 Stunden zum Abschließen

Empfohlen: 3 weeks, 3-6 hours per week...

Englisch

Untertitel: Chinesisch (traditionell), Chinesisch (vereinfacht), Koreanisch, Türkisch, Englisch, Spanisch...

Kompetenzen, die Sie erwerben

HyperparameterTensorflowHyperparameter OptimizationDeep Learning

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Anfänger“

Ca. 14 Stunden zum Abschließen

Empfohlen: 3 weeks, 3-6 hours per week...

Englisch

Untertitel: Chinesisch (traditionell), Chinesisch (vereinfacht), Koreanisch, Türkisch, Englisch, Spanisch...

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
8 Stunden zum Abschließen

Practical aspects of Deep Learning

15 Videos (Gesamt 131 min), 3 Lektüren, 4 Quiz
15 Videos
Bias / Variance8m
Basic Recipe for Machine Learning6m
Regularization9m
Why regularization reduces overfitting?7m
Dropout Regularization9m
Understanding Dropout7m
Other regularization methods8m
Normalizing inputs5m
Vanishing / Exploding gradients6m
Weight Initialization for Deep Networks6m
Numerical approximation of gradients6m
Gradient checking6m
Gradient Checking Implementation Notes5m
Yoshua Bengio interview25m
3 Lektüren
Clarification about Upcoming Regularization Video1m
Clarification about Upcoming Understanding dropout Video1m
Clarification about Upcoming Normalizing Inputs Video1m
1 praktische Übung
Practical aspects of deep learning20m
Woche
2
4 Stunden zum Abschließen

Optimization algorithms

11 Videos (Gesamt 92 min), 2 Lektüren, 2 Quiz
11 Videos
Understanding mini-batch gradient descent11m
Exponentially weighted averages5m
Understanding exponentially weighted averages9m
Bias correction in exponentially weighted averages4m
Gradient descent with momentum9m
RMSprop7m
Adam optimization algorithm7m
Learning rate decay6m
The problem of local optima5m
Yuanqing Lin interview13m
2 Lektüren
Clarification about Upcoming Adam Optimization Video1m
Clarification about Learning Rate Decay Video1m
1 praktische Übung
Optimization algorithms20m
Woche
3
5 Stunden zum Abschließen

Hyperparameter tuning, Batch Normalization and Programming Frameworks

11 Videos (Gesamt 104 min), 1 Lektüre, 2 Quiz
11 Videos
Using an appropriate scale to pick hyperparameters8m
Hyperparameters tuning in practice: Pandas vs. Caviar6m
Normalizing activations in a network8m
Fitting Batch Norm into a neural network12m
Why does Batch Norm work?11m
Batch Norm at test time5m
Softmax Regression11m
Training a softmax classifier10m
Deep learning frameworks4m
TensorFlow16m
1 Lektüre
Clarifications about Upcoming Softmax Video1m
1 praktische Übung
Hyperparameter tuning, Batch Normalization, Programming Frameworks20m
4.9
4040 BewertungenChevron Right

40%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

36%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

12%

erhalten Sie eine Gehaltserhöhung oder Beförderung

Top-Bewertungen von Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization

von XGOct 31st 2017

Thank you Andrew!! I know start to use Tensorflow, however, this tool is not well for a research goal. Maybe, pytorch could be considered in the future!! And let us know how to use pytorch in Windows.

von CVDec 24th 2017

Exceptional Course, the Hyper parameters explanations are excellent every tip and advice provided help me so much to build better models, I also really liked the introduction of Tensor Flow\n\nThanks.

Dozenten

Avatar

Andrew Ng

CEO/Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist,Baidu and founding lead of Google Brain
Avatar

Head Teaching Assistant - Kian Katanforoosh

Lecturer of Computer Science at Stanford University, deeplearning.ai, Ecole CentraleSupelec
Avatar

Teaching Assistant - Younes Bensouda Mourri

Mathematical & Computational Sciences, Stanford University, deeplearning.ai
Computer Science

Über deeplearning.ai

deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders....

Über den Spezialisierung Deep Learning

If you want to break into AI, this Specialization will help you do so. Deep Learning is one of the most highly sought after skills in tech. We will help you become good at Deep Learning. In five courses, you will learn the foundations of Deep Learning, understand how to build neural networks, and learn how to lead successful machine learning projects. You will learn about Convolutional networks, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization, and more. You will work on case studies from healthcare, autonomous driving, sign language reading, music generation, and natural language processing. You will master not only the theory, but also see how it is applied in industry. You will practice all these ideas in Python and in TensorFlow, which we will teach. You will also hear from many top leaders in Deep Learning, who will share with you their personal stories and give you career advice. AI is transforming multiple industries. After finishing this specialization, you will likely find creative ways to apply it to your work. We will help you master Deep Learning, understand how to apply it, and build a career in AI....
Deep Learning

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..